論文の概要: Summarizing Text on Any Aspects: A Knowledge-Informed Weakly-Supervised
Approach
- arxiv url: http://arxiv.org/abs/2010.06792v2
- Date: Sun, 18 Oct 2020 08:58:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-07 12:35:55.089236
- Title: Summarizing Text on Any Aspects: A Knowledge-Informed Weakly-Supervised
Approach
- Title（参考訳）: あらゆる側面のテキストを要約する:知識に富んだ弱い教師付きアプローチ
- Authors: Bowen Tan, Lianhui Qin, Eric P. Xing, Zhiting Hu
- Abstract要約: 文書に関連する任意の側面を要約する。
監視データがないため、我々は新しい弱い監督構築法とアスペクト・モデリング・スキームを開発した。
実験により,本手法は実文書と合成文書の両方を要約することで,性能の向上を図っている。
- 参考スコア（独自算出の注目度）: 89.56158561087209
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Given a document and a target aspect (e.g., a topic of interest),
aspect-based abstractive summarization attempts to generate a summary with
respect to the aspect. Previous studies usually assume a small pre-defined set
of aspects and fall short of summarizing on other diverse topics. In this work,
we study summarizing on arbitrary aspects relevant to the document, which
significantly expands the application of the task in practice. Due to the lack
of supervision data, we develop a new weak supervision construction method and
an aspect modeling scheme, both of which integrate rich external knowledge
sources such as ConceptNet and Wikipedia. Experiments show our approach
achieves performance boosts on summarizing both real and synthetic documents
given pre-defined or arbitrary aspects.
- Abstract（参考訳）: 文書と対象のアスペクト(例えば興味のあるトピック)が与えられたとき、アスペクトベースの抽象的な要約はアスペクトに関する要約を生成する。
以前の研究は通常、小さな事前定義された側面の集合を仮定し、他の多様なトピックの要約を欠く。
本研究では,文書に関連する任意の側面の要約について検討し,実際のタスクの適用を著しく拡大する。
監視データの欠如により,コンセプションネットやウィキペディアなどの豊富な外部知識ソースを統合した,新たな弱い監督構築手法とアスペクトモデリング手法を開発した。
実験により,実文書と合成文書の両方を事前に定義された,あるいは任意の側面で要約することで,性能向上が達成できることを示した。
関連論文リスト
- Abstractive Text Summarization: State of the Art, Challenges, and Improvements [6.349503549199403]
このレビューでは、最先端のメソッド、課題、ソリューション、比較、制限、将来の改善をチャートアップする包括的なアプローチを取り上げる。
本論文は,不適切な意味表現,事実整合性,制御可能なテキスト要約,言語間要約,評価指標などの課題を強調する。
論文 参考訳（メタデータ） (2024-09-04T03:39:23Z) - Zero-Shot On-the-Fly Event Schema Induction [61.91468909200566]
本稿では,大規模な言語モデルを用いて,高レベルなイベント定義,特定のイベント,引数,それらの関係を予測・付与するソースドキュメントを生成する手法を提案する。
我々のモデルを用いて、任意のトピックに関する完全なスキーマを、手動のデータ収集、すなわちゼロショットの方法で、オンザフライで生成することができる。
論文 参考訳（メタデータ） (2022-10-12T14:37:00Z) - Embedding Knowledge for Document Summarization: A Survey [66.76415502727802]
従来の研究は、知識を組み込んだ文書要約器が優れた消化器を生成するのに優れていたことを証明した。
本稿では,文書要約ビューに基づいて,知識と知識の埋め込みを再カプセル化する手法を提案する。
論文 参考訳（メタデータ） (2022-04-24T04:36:07Z) - Aspect-Controllable Opinion Summarization [58.5308638148329]
アスペクトクエリに基づいてカスタマイズした要約を生成する手法を提案する。
レビューコーパスを用いて、アスペクトコントローラで強化された(リビュー、サマリ)ペアの合成トレーニングデータセットを作成する。
合成データセットを用いて事前学習したモデルを微調整し、アスペクトコントローラを変更することでアスペクト固有の要約を生成する。
論文 参考訳（メタデータ） (2021-09-07T16:09:17Z) - Meta-Transfer Learning for Low-Resource Abstractive Summarization [12.757403709439325]
Low-Resource Abstractive Summarizationは、過去の経験を活用して、ターゲットコーパスの限られたラベル付き例でパフォーマンスを向上させることを目的としています。
書体や書体が異なる様々な要約コーパスについて広範な実験を行った。
その結果,学習可能なパラメータの0.7%に留まらず,低リソースシナリオで6コーパスの最先端を実現することができた。
論文 参考訳（メタデータ） (2021-02-18T14:42:09Z) - Topic-Guided Abstractive Text Summarization: a Joint Learning Approach [19.623946402970933]
本稿では,抽象テキスト要約のための新しいアプローチ,トピックガイドによる抽象要約を提案する。
ニューラルネットワークをTransformerベースのシーケンス・ツー・シーケンス(seq2seq)モデルに結合学習フレームワークに組み込むことが目的だ。
論文 参考訳（メタデータ） (2020-10-20T14:45:25Z) - Unsupervised Reference-Free Summary Quality Evaluation via Contrastive
Learning [66.30909748400023]
教師なしコントラスト学習により,参照要約を使わずに要約品質を評価することを提案する。
具体的には、BERTに基づく言語的品質と意味情報の両方をカバーする新しい指標を設計する。
ニューズルームとCNN/デイリーメールの実験では,新たな評価手法が参照サマリーを使わずに他の指標よりも優れていることが示された。
論文 参考訳（メタデータ） (2020-10-05T05:04:14Z) - From Standard Summarization to New Tasks and Beyond: Summarization with
Manifold Information [77.89755281215079]
テキスト要約は、原文書の短く凝縮した版を作成することを目的とした研究分野である。
現実世界のアプリケーションでは、ほとんどのデータは平易なテキスト形式ではない。
本稿では,現実のアプリケーションにおけるこれらの新しい要約タスクとアプローチについて調査する。
論文 参考訳（メタデータ） (2020-05-10T14:59:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。